声纹识别技术在调度录音分析的应用研究

随着电网调控一体模式的应用打破传统的调度的业务范畴,调控拓展成为电网信息通信与设备的集中监视与指挥控制中心,各类生产业务的实时、准确信息逐步汇集到调度台。作为各类监控信息和管理流程的汇集点,调度下令的准确性直接关乎电网运行稳定性。本文针对调度录音系统的需求,通过对声纹识别技术在调度录音分析的应用进行分析研究,期望蒋进一步通过技术力量改变调度下令不规范,用语不真切的不良习惯,从根本上解决调度下令的多年诟病,提升电网调度下令水平。     

基于特征筛选和改进深度森林的变压器内部机械状态声纹识别

变压器声纹信号包含大量反映内部机械状态的有效信息。为实现变压器内部机械状态不停电检测,提出一种基于特征筛选和改进深度森林的变压器机械状态声纹识别方法。首先,利用自适应噪声完备集合经验模态分解(CEEMDAN)声纹信号得到本征模态函数(IMF),并通过频谱分析和皮尔逊相关系数对IMF分量进行筛选,得到包含故障信息的IMF分量。其次,利用各IMF分量在频段上的分布情况进行高、低频段划分,依据高、低频段IMF分量的差异性,将高频段IMF分量的时频能量和低频段IMF分量的幅值特性作为特征指标,构成特征向量,输入改进后的深度森林模型,得到10种机械松动状态的声纹识别结果。最后,通过现场试验验证了该方法的有效性。研究结果表明：所提方法对10种机械松动状态的平均识别准确率达99.2%。与传统变压器声纹特征相比,所提声纹特征区分度更高;与传统识别模型相比,所提改进深度森林识别模型复杂度更低,训练速度更快,识别准确率更高。     

基于LabVlEW的语音身份认证系统

设计了一套基于LabVIEW的语音身份认证系统,以LabVIEW2009为开发平台,采用改进的美尔倒频谱系数法进行语音信号特征提取,采用矢量量化模型进行语音识别,实现了与文本、性别无关的声纹识别.实验结果表明该系统能够有效克服环境噪声、说话人声音变异带来的影响.     

基于声纹识别的智能照明系统安全控制系统模型

针对传统智能照明安全控制系统中由于声纹特征提取单一而影响识别准确率的问题,文章提出融合梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）与伽马通频率倒谱系数（Gammatone Frequency Cepstral Coefficients,GFCC）特征参数,采用费希尔准则对融合后的特征参数进行降维,利用卷积神经网络（Convolutional Neural Networks,CNN）构建智能照明系统声纹识别模型,通过搭建实验环境对改进后的方式进行测试。实验结果表明,改进后的方式能够有效提升系统声纹识别的准确性,提升系统整体的安全性。     

基于声信号无线远传和声纹识别的制冷机运行及故障监控系统

制冷机在工业企业中的使用极为广泛,为了能及时发现制冷机长期运行过程中因气缸、曲轴磨损及设备松动等引起的运行异常及故障,保证制冷机的长期、稳定运行,研制了一套基于声信号无线远传和声纹识别的制冷机运行及故障监控系统.系统采用通用分组无线业务(GPRS)移动通讯网络,将现场采集到的制冷机运转噪声信号无线远传给上位机,然后在上...     

生产环境下声纹识别系统的设计与实现

声纹识别是一种能根据待识别语音的声纹特征识别说话人的技术. 本文阐述了声纹识别系统的原理知识,介绍了声纹识别系统的体系架构,本系统采取分层结构,核心业务分解为业务层和实现层,多个层的多个功能模块被设计成独立的服务,从而提升了声纹识别系统的识别准确率,最后给出了系统在实际生产环境下的产品设计方案.     

声纹识别系统

介绍一个与本无关、与语种无关、与性别无关的声纹识别系统，采用的技术包括MFCC特征提取、VQ矢量量化、LBG聚类建模、数据有效性距离测度和计算机深度编程等，在字表大小为50人以内时识别率接近100%。     

基于过零间隔点的声纹识别技术

讨论了现有身份验证技术的状况以及存在的一些问题，叙述了重要的几项生物特征识别技术的优缺点。描述了声纹识别技术广泛涉及的一些声学特性。介绍了基于过零间隔点技术的声纹识别系统和其中一些关键技术和系统的设计流程。对于最重要部分，该文附上了源代码。     

基于噪声破坏和波形重建的声纹对抗样本防御方法

语音是人类最重要的交流方式之一。语音信号中除了文本内容外,还包含了说话人的身份、种族、年龄、性别和情感等丰富的信息,其中说话人身份的识别也被称为声纹识别,是一种生物特征识别技术。声纹具有获取方便、容易保存、使用简单等特点,而深度学习技术的进步也极大地促进了识别准确率的提升,因此,声纹识别已被应用于智慧金融、智能家居、语音助手和司法调查等领域。另一方面,针对深度学习模型的对抗样本攻击受到了广泛关注,在输入信号中添加不可感知的微小扰动即可导致模型预测结果错误。对抗样本的出现对基于深度学习的声纹识别也将造成巨大的安全威胁。现有声纹对抗样本防御方法会不同程度地影响正常样本的识别,并且局限于特定的攻击方法或识别模型,鲁棒性较差。为了使对抗防御能够兼顾纠正错误输出和准确识别正常样本两个方面,本文提出一种“破坏+重建”的两阶段对抗样本防御方法。第一阶段,在对抗样本中添加具有一定信噪比幅度限制的高斯白噪声,破坏对抗扰动的结构进而消除样本的对抗性。第二阶段,利用提出的名为SCAT-Wave-U-Net的语音增强模型重建原始语音样本,通过在Wave-U-Net模型结构中引入Transformer全局多头自...     

基于言语过滤、情感补偿的活体声纹识别系统的设计

提出一种新型声纹识别系统的设计方案.有别于传统声纹识别系统的是,该识别系统的预处理部分使用言语过滤的方法,特征提取过程采用情感补偿的办法.其中,言语过滤以语音识别为技术支持,可以剔除嘈杂背景,限制冒名顶替,排除语音赝本等等;情感补偿以语音情感计算为理论基础,能够很好地解决声音漂移、伪装模仿等同题.基于这两部分提取特征数据将更加准确有效.